Lucene8学习：创建索引

1.1. 创建索引

示例：

import org.apache.lucene.analysis.Analyzer;

import org.apache.lucene.analysis.TokenStream;

import org.apache.lucene.analysis.core.WhitespaceAnalyzer;

import org.apache.lucene.analysis.standard.StandardAnalyzer;

import org.apache.lucene.analysis.tokenattributes.OffsetAttribute;

import org.apache.lucene.document.Document;

import org.apache.lucene.document.Field;

import org.apache.lucene.document.StringField;

import org.apache.lucene.document.TextField;

import org.apache.lucene.index.DirectoryReader;

import org.apache.lucene.index.IndexWriter;

import org.apache.lucene.index.IndexWriterConfig;

import org.apache.lucene.index.Term;

import org.apache.lucene.queryparser.classic.ParseException;

import org.apache.lucene.queryparser.classic.QueryParser;

import org.apache.lucene.search.*;

import org.apache.lucene.store.Directory;

import org.apache.lucene.store.RAMDirectory;

import org.apache.lucene.util.BytesRef;

import org.junit.Assert;

import org.junit.Before;

import org.junit.Test;

import org.wltea.analyzer.lucene.IKAnalyzer;

 

import cn.lmc.myworld.common.lucene.LuceneUtils;

 

import java.io.IOException;

import java.io.StringReader;

 

public class IndexSearchDemo {

    private Directory directory = new RAMDirectory();

    private String[] ids = {"1", "2"};

    private String[] teamname = {"fpx", "ig"};

    private String[] contents = {"涅槃队，凤凰涅槃，勇夺2019LOLS赛冠军!", "翻山队，登峰造极，翻过那座山夺得了2019LOLS赛冠军!"};

    private String[] players = {"doinb,tian,lwx,crisp,gimgoong", "rookie,jacklove,ning,baolan,theshy"};

    private IndexWriterConfig indexWriterConfig = new IndexWriterConfig(new IKAnalyzer());

    private IndexWriter indexWriter;

 

    @Before

    public void createIndex() {

        try {

            indexWriter = new IndexWriter(directory, indexWriterConfig);

            for (int i = 0; i < 2; i++) {

                Document document = new Document();

                Field idField = new StringField("id", ids[i], Field.Store.YES);

                Field teamnameField = new StringField("teamname", teamname[i], Field.Store.YES);

                Field contentField = new TextField("content", contents[i], Field.Store.YES);

                Field playersField = new StringField("players", players[i], Field.Store.YES);

                document.add(idField);

                document.add(teamnameField);

                document.add(contentField);

                document.add(playersField);

                indexWriter.addDocument(document);

            }

            indexWriter.close();

        } catch (IOException e) {

            e.printStackTrace();

        }

    }

 

    @Test

    public void testTermQuery() throws IOException {

        Term term = new Term("id", "1");

        IndexSearcher indexSearcher = getIndexSearcher();

        TopDocs topDocs = indexSearcher.search(new TermQuery(term), 10);

        // 1)打印总记录数（命中数）：类似于百度为您找到相关结果约100,000,000个

     long totalHits = topDocs.totalHits.value;

     System.out.println("查询（命中）总的文档条数："+totalHits);

     // LOGGER.info("查询（命中）文档最大分数："+topDocs.getMaxScore());

     // 2)获取指定的最大条数的、命中的查询结果的文档对象集合

     ScoreDoc[] scoreDocs = topDocs.scoreDocs;

     // 打印具体文档

     for (ScoreDoc scoreDoc : scoreDocs) {

int doc = scoreDoc.doc;

Document document = indexSearcher.doc(doc);  

// 打印content字段的值

System.out.println("id: "+document.get("id"));

System.out.println("teamname: "+document.get("teamname"));

System.out.println("content: "+document.get("content"));

System.out.println("players: "+document.get("players"));

}

}

}

先来一个例子测试一下，我们要关注下面几个主要的类：

1. Directory
2. IndexWriterConfig
3. IndexWriter
4. IndexSearcher
5. TopDocs
6. ScoreDoc
7. Document
8. Field

1.1.1. Directory

由于Lucene的索引是存储在文件系统上面的，因此要通过Directory这个类来实现索引的存储。经常使用到的是下面两个类：

FSDirectory：在文件系统上存储索引文件

RAMDirectory：在内存中暂存索引文件，适用少量索引，大量索引会出现频繁GC

1.1.2. IndexWriterConfig

该类主要用于配置Lucene的分词器。

1.1.3. IndexWriter

该类为Lucene的操作类，可以对索引进行增，删操作。这里可能就会有人问了，”改”和”查”呢？

注意一下：

IndexWriter是有”改”（更新）操作的，但是实现的原理是先删除，后重新插入。因此更新的时候数据必须齐全，不能够只能更新一个字段的情况，这样有可能会出现将其他字段数据清空的问题。

另外，Lucene的索引统一时间内只能有一个IndexWriter来操作，因此设计工具类的时候，IndexWriter尽量设计为单例模式。

至于”查”操作则由另一个类IndexSearcher来实现。

1.1.4. IndexSearcher

该类就是用来查询索引库的索引的。

1.1.5. TopDocs

该类包含IndexSearcher.search()方法返回的具有较高评分的顶部文档

1.1.6. ScoreDoc

该类提供对TopDocs中每条搜索结果的访问接口

1.1.7. Document

Lucene的文档，也可以看作数据库中的一条记录。

1.1.8. Field

Field属于Document的一部分，可以重复。可以看作数据库中的字段。

1.1.8.1. Field的类型

名称	说明
IntPoint	对int型字段索引，只索引不存储
FloatPoint	对float型字段索引，只索引不存储
LongPoint	对long型字段索引，只索引不存储
DoublePoint	对double型字段索引，只索引不存储
BinaryDocValuesField	只存储不共享，例如标题类字段
NumericDocValuesField	存储long型字段，用于评分、排序和值检索，可存储值，但需要添加一个单独的StoredField实例
SortedDocValuesField	索引并存储，用于String类型的Field排序，需要在StringField后添加同名的SortedDocValuesField
StringField	只索引但不分词，所有的字符串会作为一个整体进行索引，例如通常用于country或id等
TextField	索引并分词，不包括term vectors
StoredField	存储Field的值，可以用 IndexSearcher.doc和IndexReader.document来获取存储的Field和存储的值

注意：

由于Lucene是没有时间格式的字段的，因此要存储时间，就要将时间转化成数据用数据格式的NumericDocValuesField(建议)来存储。

1.1.8.2. Field.Store

new StringField("id", ids[i], Field.Store.YES);

看这个，可以看到创建索引的时候，每个Field后面都要加一个Field.Store.YES或者Field.Store.NO这两个又是干嘛的呢？

Field.Store.YES:表示会把这个域中的内容完全存储到文件中

Field.Store.NO:表示把这个域的内容不存储到文件中，但是可以被索引